Aracılığıyla paylaş


Modeller mining (Analysis Services - veri madenciliği)

Bu bölüm, temel mimarisini açıklar bir veri madenciliği model, özellikleri'ne genel bakýþ saðlar bir veri madenciliği modellemek ve oluşturmak ve bir araştırma modeli çalışacak şekilde açıklar.

Mining Model Architecture

Defining Mining Models

Mining Model Properties

Mining Model Columns

Processing Mining Models

Viewing and Querying Mining Models

araştırma modeli Mimarisi

Verileri BIR veri araştırma modeli alır bir araştırma yapısı ve veri madenciliği algoritması'nı kullanarak bu verileri analiz eder.araştırma yapısı ve araştırma modeli ayrı nesneleridir.araştırma yapısı, veri kaynağını tanımlayan bilgileri depolar.araştırma modeli çözümlemenin bir sonucu olarak bulunan desenler gibi verileri istatistiksel işleme'den türetilen bilgi depolar.

Bir çıkarma modeli tarafından sağlanan verilerin kadar boştur araştırma yapısı işlenen incelendi ve.Sonra bir madenciliği modeli işlendiyse, meta veriler, sonuçlar, içerdiği ve bağlamaları geri araştırma yapısı.

model contains metadata, patterns, and bindings

meta veriler modelinin model, tanımları ve model işlerken uygulanan isteğe bağlı süzgeçler, verileri çözümlemek için kullanılan algoritma oluşturulmasında kullanılan araştırma yapısı sütunlarından listesini içeren bir tanım yanı sıra, model ve nerede depolandığı sunucu adını belirtir.Sütunlar ve süzgeç algoritması seçimi, çözümleme sonuçlar önemli ölçüde etkiler.Aynı verileri kullanarak bir küme modeli ve bir karar ağacı modeli oluşturma, bu modellerden farklı algoritmaları ve filtreleri kullanırken, içerik modeli çok farklı olabilir.Daha fazla bilgi için bkz:araştırma modeli Içerik (Analysis Services - veri madenciliği).

Model içinde depolanan sonuçlar algoritma bağlı olarak değişir, ancak desenleri itemsets, kurallarını ve formüller ekleyebilirsiniz.Bu sonuçlar Öngörüler yapmak için kullanılır.

Model içinde depolanan bağlamaları, önbelleğe alınan veriyi yedeklemenize işaret araştırma yapısı.Veri yapısı içinde önbelleğe işlendikten sonra temizlendi, bu bağlantıları aracılığıyla sonuçlar destek servis taleplerini sonuçlar ulaşmak etkinleştirin.Ancak, gerçek verileri modeldeki yapısı önbelleğinde depolanır.

[Top]

Veri madenciliği modelleri tanımlama

Oluşturabileceğiniz bir veri madenciliği model, aşağıdaki adımları:

  • Alt araştırma yapısı oluşturun.

  • Bir algoritma seçin.

  • Model sütun ve kullanım belirtin.

  • Isteğe bağlı olarak, küme algoritması tarafından işlenmesi ince ayarını yapmak için kullanılan parametreler.

  • Işlem modeli.

Analysis Services Bilgisayarınızı madenciliği modelleri yönetmenize yardımcı olmak için aşağıdaki araçları sağlar:

  • veri madenciliği Sihirbazı bir yapı oluşturmanıza yardım eder ve ilgili araştırma modeli.Kullanmak için en kolay yöntem budur.Sihirbaz otomatik olarak gerekli araştırma yapısı oluşturur ve önemli ayarları ile yapılandırılmasına yardımcı olur.

  • Bir DMX MODELI CREATE deyim, bir model tanımlamak için kullanılabilir.Gerekli yapısı, işleminin bir parçası otomatik olarak oluşturulur; bu nedenle, bu yöntemle varolan yapısını yeniden kuramıyor.Oluşturmak istediğiniz tam olarak hangi modelini biliyorsanız, bu yöntem kullanın.

  • Bir DMX ALTER YAPıSı ADD MODELI deyim, varolan bir yapısını yeni bir araştırma modeli eklemek için kullanılabilir.Aynı verileri temel alan farklı modelleri denemek istiyorsanız bu yöntem kullanın küme.

Ayrıca madenciliği modelleri programlı olarak ÇYN ya da XML kullanarak oluşturabileceğiniz/A, veya veri madenciliği istemci gibi diğer istemciler için Excel kullanarak.Daha fazla bilgi için, aşağıdaki konulara bakın:

Çözümleme Yönetim Nesneleri (ÇYN)

[Top]

araştırma modeli Özellikleri

Her araştırma modeli, model ve meta veriler tanımlayan özellikleri vardır.Bu adı, açıklaması, model son işlendi, tarih modeli izinleri ve eğitim için kullanılan verilerde herhangi bir filtre içerir.

Her araştırma modeli türetilir özellikleri de vardır. araştırma yapısı, modeli tarafından kullanılan veri sütunları açıklayan.Sütun iç içe geçmiş bir tablo, sütun uygulanan ayrı bir süzgeç da sahip olabilirsiniz.

Buna ek olarak, her araştırma modeli, iki özel özellikleri içerir: Algorithm() ve Usage().

  • **Algoritma özellik   **Model oluşturmak için kullanılan algoritmayı belirtir.Kullanılabilen algoritmalar, kullandığınız sağlayıcının bağlıdır.For a list of the algorithms that are included with SQL Server Analysis Services, see Veri madenciliği algoritmaları (Analysis Services - veri madenciliği).The Algorithm özellik applies to the araştırma modeli and can be küme only one saat for each model. Ancak bazı sütunlar algoritması değiştirebileceğiniz araştırma modeli seçtiğiniz algoritması tarafından desteklenen, geçersiz hale gelebilir.Ayrıca, her zaman değişiklikleri izleyen modeli reprocess gerekir.

  • **Kullanım özellik   **Her nasıl tanımlar sütun modeli tarafından kullanılır.Sütun kullanım olarak tanımladığınız Input, Predict, Predict Only, veya Key. The Usage özellik applies to individual araştırma modeli columns and must be küme individually for every sütun that is included in a model. Yapı modelde kullanacağınız sütun içeriyorsa, kullanım olan küme için Ignore.

araştırma modeli oluşturduktan sonra araştırma modeli özelliklerinin değerini değiştirebilirsiniz.Ancak, hatta adına değiştirmek araştırma modeli, model reprocess gerektirir.Model reprocess sonra farklı sonuçlar görebilirsiniz.

[Top]

araştırma modelii sütunlar

araştırma yapısı gibi araştırma modeli sütun içerir.Hangi sütunların modelde kullanılacak araştırma yapısı arasından seçim yapabilirsiniz.Temel madenciliği yapısında olan sütunlar kullanmanın yanı sıra, araştırma yapısı sütunları bir kopyasını oluşturun ve sonra dosyaları yeniden adlandırmanız veya değiştirebilirsiniz kullanımları.

Seçtiğiniz hangi algoritmasını bağlı araştırma yapısı içindeki sütunların modeli ile uyumsuz olabilir veya zayıf sonuçlara neden.Veri yapısını dikkatle gözden geçirin ve modelde anlamlı bir çözümleme için sütunlar eklemek gerekir.Bir sütun değil kullanılması gerektiğini düşünüyorsanız, araştırma yapısı veya araştırma modeli silmeniz gerekmez; bunun yerine, yalnızca bir bayrak sütunu, model oluştururken yoksayılmasına olduğunu belirten ayarlayabilirsiniz.Bu sütunun madenciliği yapısında kalır, ancak içinde kullanılmaz anlamına gelir araştırma modeli; ancak modelinden madenciliği yapısına detaylandırma etkinleştirilmişse, bilgileri daha sonra sütundan alabilirsiniz.

Model oluşturduktan sonra ekleme veya sütunları kaldırma veya model adını değiştirme gibi değişiklikler yapabilirsiniz.Ancak, herhangi bir değişiklik, yalnızca bile modeli meta modeli reprocess gerektirir.

Daha fazla bilgi için bkz: Madenciliği yapı sütunlar ve araştırma modelii sütunlar.

[Top]

Madenciliği modelleri işleniyor

Bir veri araştırma modeli bu işlenir kadar boş bir nesnedir.Bir model işleme, Yapı tarafından önbelleğe alınan verileri bir model içinde tanımlanan ve algoritması tarafından çözümlenen bir süzgeç geçirilir.Algoritma kuralları ve desenler içindeki verileri tanımlayan ve daha sonra model doldurmak için bu kuralları ve desenleri kullanır.Algoritmalar madenciliği modelleri oluşturmak için nasıl kullanıldığı hakkında daha fazla bilgi için bkz: Veri madenciliği algoritmaları (Analysis Services - veri madenciliği).

araştırma modeli, ayrıca, işlenen sonra çözümleme sonuçlar hakkında bilgi depolar.Bir çıkarma modelinde depolanan verilerin türü hakkında daha fazla bilgi için bkz: araştırma modeli Içerik (Analysis Services - veri madenciliği).

[Top]

Görüntüleme ve madenciliği modelleri sorgulama

Bir model işleme sonra onu içinde sağlanan bir özel görüntüleyiciler kullanarak keşfedebilirsiniz Business Intelligence Development Studio ve SQL Server Management Studio. Daha fazla bilgi için bir özel görüntüleyicileri hakkında Analysis Services, bkz: veri araştırma modeli görüntüleme.

Ayrıca, araştırma modeli Öngörüler yapmak veya modeli meta veriler veya modeli tarafından oluşturulan desenleri almak için sorgular oluşturabilirsiniz.veri madenciliği Uzantıları (DMX) kullanarak, sorgu oluşturun.Farklı bir veri araştırma modeli karşı kullanabileceğiniz sorgu türleri hakkında daha fazla bilgi için bkz: Veri madenciliği modelleri sorgulama (Analysis Services - veri madenciliği).